최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기정보처리학회논문지. The KIPS transactions. Part B. Part B, v.17B no.1, 2010년, pp.93 - 98
이우철 ((주)유승토탈솔류션) , 이현아 (금오공과대학교 컴퓨터공학부) , 이공주 (충남대학교 전기정보통신공학부)
In this paper, we introduce a system that summarizes product evaluation through linguistic analysis to effectively utilize explosively increasing product reviews. Our system analyzes polarities of product reviews by product features, based on which customers evaluate each product like 'design' and '...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
한국어 상품평을 자동으로 요약하기 위한 시스템의 각 단계는 어떠한가? | 시스템에서는 평가 항목, 즉 상품의 다양한 특성별로 상품평을 긍정과 부정 중 어느 극성(polarity)인지 판별하여 사용자가 원하는 정보를 알아보기 쉽게 제시한다. 시스템은 1) 상품평을 수집하여 정제한 뒤, 2) 상품평 내 어휘 정보와 웹 검색을 활용하여 평가 항목을 추출하고, 3) 언어처리기법을 이용하여 평가 항목별 평가 어휘와 평가 어휘의 극성을 자동으로 추출하여, 4) 평가 항목별 극성을 그래프 형태로 요약하여 출력한다. 각 단계는 상품평과 웹 검색 결과를 활용하여 모두 자동으로 처리된다. | |
WordNet을 이용한 방법의 특징은? | 기계학습을 이용한 방법[3, 4]에서는 별점이나 추천과 비추천 값을 가지는 상품평을 학습 데이터로 사용하여 극성을 예측하고 있으나, 별점 데이터의 신뢰도가 떨어지는 국내 쇼핑몰의 상품평에는 적용하기 어렵다. WordNet을 이용한 방법[7, 8]에서는 WordNet의 유의어, 반의어 관계를 이용하여 형용사의 극성을 판별하는데, 이 방식은 평가 항목에 따라 극성이 달라지는 형용사에 대한 처리가 불가능하다. 예를 들어 디지털카메라의 경우 ‘작다’가 크기에 대한 평가 어휘라면 긍정적인 표현이지만 액정에 대한 평가 어휘라면 부정적인 표현이다. 또한, 한국어에서는 WordNet과 같은 언어 자원을 실용적으로 사용하기 어렵기 때문에 이 방식은 한국어 상품평 처리에 그대로 적용하기 힘들다. PMI를 이용한 방식[2]에서는 평가 어휘가 될 수 있는 형용사 또는 부사를 추출하고, PMI를 이용하여 각 단어의 의미극성은 판단하며, 자연언어처리기술을 결합한 방식에는 구 수준에서 문맥상 극성 식별을 시도한 연구[9]와 사전의 용어 주해를 이용한 연구[10], 형용사와 접속사 간 연결 정보를 이용한 연구[11] 등이 있다. | |
감성 분류에 관한 연구는 어떻게 변화하였나? | 텍스트를 분석하여 의견을 추출하고, 추출된 의견에 긍정과 부정 극성을 부여하여 구조화하는 연구는 오피니언 마이닝(Opinion Mining) 또는 문서 감성 분류(Document Sentiment Classification)로 대표된다. 감성 분류의 초기 연구는 문서 수준[2-4]이나 문장 수준[5, 6]에서의 접근이 대부분이었으나, 근래에는 의견 추출 대상의 다양한 특징별로 극성을 판별하는 특징 기반 요약(Feature Based Summarization)에 대한 연구가 활발하게 진행되고 있다. 상품평에서의 의견 추출에서는 세부적인 상품 특징 - 예를 들어, 스커트의 경우 ‘사이즈’, 디지털카메라의 경우 ‘액정’ - 에 대한 기존 구매자의 평가가 구매 예정자의 구매 결정에 중요한 판단 요소가 될 수 있어 특징 기반 요약이 필요하다. |
한국인터넷진흥원, “웹 2.0시대의 네티즌 인터넷 이용 현황 - 참여와 공유의 인터넷,” http://www.nida.or.kr/doc/issue_sum.pdf, 2006.
Pang, L. Lee, and S. Vaithyanathan, “Thumbs up? Sentiment classification using machine learning techniques,” In Proc. of EMNLP, pp.79-86, 2002.
Esuli, A. and Sebastiani, F., “Determining term subjectivity and term orientation for opinion mining,” In Proc. of the EACL, pp.193-200, 2006.
Esuli, A. and Sebastiani, F. “Determining term subjectivity and term orientation for opinion mining,” In Proc. of the EACL. pp.193-200, 2006.
명재석, 이동주, 이상구, “반자동으로 구축된 의미 사전을 이용한 한국어 상품평 분석 시스템,” 정보과학회논문지 : 소프트웨어 및 응용, 제 35권 제 6호(2008. 6), pp.392-403, 2008.
황재원, “한국어 문서 감정 분류를 위한 감정 자질 추출 및 가중치 강화 기법에 관한 연구,” 동아대학교, 석사학위논문, 2008.
Naver Lab, 자동 띄어쓰기, http://s.lab.naver.com/autospacing/
강승식, HAM, “한국어 형태소 분석기와 한국어 분석 모듈,” 국민대학교 자연언어 정보검색연구실, http://nlp.kookmin.ac.kr.
온라인 가격비교 사이트 BB.co.kr, http://www.bb.co.kr.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.